数据分析中，多影响因素归因是棘手难题，其本质是部门间对价值归属的争议。简单用线性回归等方法拆解易出误判，文章提出破局思路,同时指出实际操作中仍面临资源争夺、责任推诿等问题。

数据分析领域有几个经典的终极难题。多影响因素归因，绝对是其中最让人头大的。特别业绩好的时候，品牌、售后、客服、供应链、运营、产品、商品管理都会跑来，说：“今年业绩不错呀，公司多赚的10个亿，到底几个亿归功于品牌，到底几个亿归功于供应……请量化分析一下，谢谢”。你是不是很想说：为啥业绩差的时候，不讨论“今年亏的钱，有几个亿是归功于我呀……” 哈哈，今天一起来看下，怎么解这个难题。还没关注陈老师的同学，记得先关注点赞哦。

一、多影响因素

归因的本质表象上看，多影响因素归因，难在很难拆解数据。本质上看，多影响因素归因，是部门间分赃不均的结果。每个部门都太急于证明自己的价值，总想努力跟业绩指标挂上联系。因此，多影响因素归因，本质上是在衡量部门价值，这才是核心难点。很多同学会忽视这个核心问题，用一些简单的数据方法处理。比如：把各个部门的费用设为x，把业绩设为y然后怼一个线性回归模型出来。然后把各个参数的系数视为贡献大小。首先，这么干不符合因果推断模型的基本假设：

1）已穷尽关键影响因素（实际因素多了去了，不能只看费用）

2）X→Y符合线性关系（不见得是线性关系，甚至可能没关系）其次，算出来的结果可能导致错误判断。比如：算出来销售的系数是2，供应链的系数是1，那明年多找2倍的销售，却只提供1倍的商品，还能有这个销售业绩吗？肯定不可能啊，有枪没子弹啊！部门之间分工合作，不是简单的1+1=2的关系，这是常识。因此强行割裂部门间联系，把不同分类的部门拉在一起评价，是注定要扑街的。因此，破局思路，在于从一开始，就应该直接否掉这种一条公式打天下的想法。从部门工作性质出发，建立科学的衡量机制，从而有效化解这种立功焦虑。

二、破局思路

想破局，首先得分清各个部门的工作类型与贡献方式（如下图）：

之后，就可以分门别类进行分析考察。软支持类：放弃直接关联销售业绩，按需分配。软支持的核心问题，在于不能自证清白。对于品牌宣传而言，即使所有宣传都带链接，导流到购买页面，也无法证明到底用户购买是多大因为品牌（而不是商品本身）。况且，至少6成以上的品牌宣传，根本连带货链接都没有，就更无从谈效益了。客服、售后也同理，虽然顾客找上门来的时候，这两者服务很重要。但是主动发起的客户比例少，因此很难关联整体业绩。这种不做不行，做了又不直接拉动收入的事，最好直接按整体收入比例分配资源，考核自身的效果。比如根据产品生命周期/时间，配置宣传力度（如下图）宣传能达成足够市场认知，覆盖足够人数（考核点击、转发、阅读数等等）即完成任务。

比如客服、售后。根据业务总量分配资源和人力。考核本身服务满意度，服务覆盖率，从呼叫到响应的速度，严重投诉/风险事件的应对速度，等等。做好本职工作及完成任务。硬支持类：考核。硬支持类，比如供应链的工作，考核就简单清晰很多：供给到位，损耗降低。并且追求的是峰值控制与长期水平的下降。太过计较一城一地得失，反而容易定出来很死板的流程，搞出很多乌龙（如下图）

硬拉动类：引入ABtest机制，提前预设目标。硬拉动类，比如促销活动，优惠券派发，属于叠加buff的做法，因此必须事先设好控制变量，否则混在一堆因素里，事后根本无法拆分。比如事先设定好拉动的总目标，事先测试方案效果，事中余留参照组，采集过程数据，这样才能在事后做好区分。硬拉动类是可以评估的，问题总是出在：事先不做工作，事中不留参照，不踩数据。啥都没有，事后能分析出来就见鬼了。

核心流程：建立分级机制，深入分析影响。核心流程里，销售和产品互怼的事也很常见，但是这种互怼是可以分析出，到底过错在谁那边的。只要建立好分级机制，对渠道质量、商品属性进行打标签分析，监控过程转化率，是可以做深入分析的，因此核心流程尽量多做分析，不留扯皮空间（如下图）。

三、现实永远很骨感

以上只是理想状态下的建议，实际开工：

总有人想争取更多资源，大喊：“品效合一！”“心智资源！”

总有人认为客服售后没必要，今年再扣他点费用？（从而引发服务部门的奋起反击“老子也有贡献！”）

总有人喜欢夸大自己贡献，促销活动效益写的巨高，甚至比自然销量还高。

总有人怕被追究责任，拼命往：没有促销！没有支持！产品不给力上推责任。所以有关“到底每个部门贡献多少，能不能具体到每一块钱里几毛几分是谁来的”的议题，永远不会停下来。只能且行且珍惜……四、小结类似的数据分析难题，还有很多：

为什么ABtest中实验有效，投产没效，到底怎么测得准！

自然增长率要怎么计算，才是全宇宙最公平合理的！

用户心智资源的开发与认知深度的变化，如何衡量！

销售预测，到底怎么才能预测100%精准！

……每一个问题，都是表面看似数据分析，背后是人心贪婪，推过揽功。业绩好了就说是自己做的，业绩不好就甩给外部因素和内部各种无法量化的因素，以图自保。应对复杂问题很困难，可以找我直接讨论哦。

数据分析不是堆指标，而是理解业务的过程。本文提出五个关键问题，构建一套系统化分析思路，帮助数据人从“被动执行”走向“价值输出”，在模糊需求中找到清晰路径。

做数据分析，总会面临这种模糊问题：

“分析一下运营情况，要深入一点”

“近期销售咋样，分析分析”

“分析下近期的活动……”

总之，字数越少，麻烦越大。因为真的不知道提需求的人想干啥。而且，往往这么提的还是部门领导，说完以后就消失不见了，想再当面沟通也很难见到人。最后，往往哼哧哼哧干半天，得到一句：“你就分析了这？我早知道了”真是让人苦不堪言。

咋办？ 

一、建立思路的基本方法

为啥出现这种情况，核心在于以下五个问题：

1. 谁要看？
2. 为什么看？
3. 想看什么？
4. 看到什么程度？
5. 看了又做什么？

这五个关键问题，我们一窍不通。而这五个问题，恰恰决定了数据分析成果是否被认可。所以只听一句：“你来分析分析”就埋头干活，基本等于自掘坟墓哈。干得越起劲，坟挖得越深，把自己坑得越惨。

数据分析输出的产品，不像大米白面能直接填饱人的肚子。数据分析的价值是相对的。如果提供的是对方知道的东西，即使给得再多，也不会被认可，甚至会被吐槽：“你太啰嗦了，说重点”。

所以标准的梳理数据分析的路子，就是整明白对方做了什么，想要什么？（如下图）

但注意，上边的做法是乙方服务甲方/求职者去面试的做法。真要是在企业里边用，大家相互知根知底，是不需要前期铺垫这么多的。这时候，可以通过层层递进的五个问题，搞清楚：到底对方知道多少。（如下图）

有了这个五个问题的答案，就能根据对方对业务现状的把握情况，确认分析重点了（如下图）。

BUT！这是对一般人说的。如果面对领导，很多同学不敢直接问。冷冰冰地问来问去，搞得跟审犯人一样，不但自己张不开嘴，还可能引起领导吐槽：“我都想清楚了，要你干啥！”所以，得有些更灵活，简便的办法。

二、快速上手的五个要点

回到原点，想要做出让人认可的分析，本质上要解决这五个问题：

1. 谁要看？
2. 为什么看？
3. 想看什么？
4. 看到什么程度？
5. 看了又做什么？

所以，可以从这五个问题入手，用更轻松随意的对话，找到突破口

突破口一：谁要看？  

比如领导要求：“分析下近期的活动”，那么可以问：

1、是给您本人看？

2、还是给负责活动的本门看？

3、还是给活动相关的财务、营运、供应看？

如果提问的人，刚好有明确的意图，他就会告诉你：

1、我本人想了解情况，我不太信运营自己说的

2、我觉得运营的人做的不客观，你给他们个参考

3、我想让各个部门都了解下当前的情况，科普科普

有了这个信息，后边做啥事就非常清晰了！

突破口二：为什么看？  

我们很想知道看数据的原因，但是又怕直接问“为什么”太生硬了。这时候可以用钓鱼执法的方式，直接甩一些业务上的话题出来，试探对方的真实意图。比如面对“分析下近期的活动……”可以说：

1、我看活动组的人加班加了好多天，是不是过程中很多问题？

2、我看活动上线后又发了2次补充说明，是不是出了啥事情？

3、我看活动的商品销量并没有大幅度增加，是不是有什么情况？

如果提问的人，刚好有心烦的事，他就会非常详细地和你吐槽：

1、活动策划太纠结

2、活动宣传不给力

3、活动效果不太好

知道了这些信息，后边的分析就有了基本定调，并且能够直插核心问题。

突破口三：看什么东西？    

我们很想知道输出的内容，但是又怕直接问“你想看哪些指标”太生硬了。这时候可以主动提示：可以看XXX东西，现场确认一下是否是对方需求。比如面对“分析下近期的活动……”可以说：

1、活动本身参与情况

2、活动投入产出情况

3、活动前中后大盘整体指标变动

4、近半年来同类活动对比

然后直接问：这样是否足够？

如果提问的人，刚好有想看的内容，他就会非常详细的和你说：

1、指标太多了/太少了，你得关注XX

2、时间维度太长/太短了，你得注意XX

3、分析角度太多/太少了，你得考虑XX

这样虽然结论不清楚有没有用，但至少内容上是对方要的。到时候数据出来，如果结论不满意，再一起看数据，看看下什么结论好，也容易交差。

突破口四：看到什么程度？    

我们很想知道输出内容的深浅，但是直接问“你想分析成啥样？”太过莫名其妙。这时候可以换个问法：直接告诉他，数据现状是啥！然后再问：还有啥是他不知道 or 特别想弄清楚的。

比如面对“分析下近期的活动……”可以说：

1、活动目标人数40万，实际参与30万

2、参与活动的人消费力比较高，活动消费1个亿，已经达标了

3、活动ROI比同类活动高，但是近期来活动参与率持续走低

然后直接问：这些情况是否足够回答您的问题？您还有啥想了解的？如果提问的人，刚好有纠结的难题，他就会非常详细的和你说：

1、客单价为啥高，要深入分析

2、参与率持续降低，也要深入分析

3、不要光看ROI，要看重复参与率

这样收集来的信息就太硬货了！能直接指向最终结论

当然，搞到硬货的基础是自己也得够硬！常规的指标监控，数据结果自己心里得一清二楚。这样才能问出硬核问题。或者掌握了做数据MVP的技巧，有本事现场做MVP测试。不然是无法拿到这种硬核信息的。

突破口五：看了做什么？    

我们很想知道输出内容最后被用到哪里去了，但是直接问“你想做什么？”显得太过傲慢——领导做什么，什么时候轮到一个小兵来管！这时候可以换个问法，直接抛出一个可能的行动方向，然后问：“我这么理解对不对呀？！”从而钓出对方的真实意图。比如面对“分析下近期的活动……”可以说：

1、是不是要马上上一个新活动，补这个活动的缺？

2、是不是要总结下本次的教训，下次不再犯？如果提问的人，刚好有想办的事，他就会非常详细地和你说：

1、我在考虑要不要改活动形式

2、我在考虑选一种更好的形式以后用

这样就清晰了，提问人对本次活动的心理估价，也能知道哪些输出有用。后续也清晰。 

三、灵活运用五要点

注意：五个要点的问法，可以一次性问完，也能分开问，不需要很死板。有趣的是，领导们也是有个人风格的。

• 一般甩手掌柜型领导，问题1能回答清楚。这种人喜欢指定好谁干啥事，剩下的自己就不管了，因此对于“给谁看，看了起啥用”会比较清楚。
• 一般技术出身的领导，问题3、4能回答清楚。这种人会关注细节，可会用数据思维思考问题，因此能聊得很细致。
• 一般业务导向的领导，问题2、5能回答清楚。这种人虽然不关注技术细节，但是要办啥事，遇到啥问题是能讲出清楚的。

所以，同学们可以看菜下饭，根据领导风格选择合适的问题。这样既不显得唐突，又能体现自己的专业素质，还能为后边的工作扫清障碍。

有同学会问：那遇到稀里糊涂型领导咋办？！

答：得看对方是真糊涂还是假糊涂。所谓假糊涂，就是对方仅仅是不清楚现状，所以无法下判断，这时候可以先呈现数据现状（而且要尽可能全面）帮对方建立起来判断。

如果对方是真糊涂，比如靠前大厂头衔，靠吹嘘拍马，靠吃喝嫖赌，靠资历老而混上来的老糊涂蛋——那真的没啥办法了。这时候只能自求多福。

数据分析不是堆指标，而是理解业务的过程。本文提出五个关键问题，构建一套系统化分析思路，帮助数据人从“被动执行”走向“价值输出”，在模糊需求中找到清晰路径。

做数据分析，总会面临这种模糊问题：

“分析一下运营情况，要深入一点”

“近期销售咋样，分析分析”

“分析下近期的活动……”

总之，字数越少，麻烦越大。因为真的不知道提需求的人想干啥。而且，往往这么提的还是部门领导，说完以后就消失不见了，想再当面沟通也很难见到人。最后，往往哼哧哼哧干半天，得到一句：“你就分析了这？我早知道了”真是让人苦不堪言。

咋办？ 

一、建立思路的基本方法

为啥出现这种情况，核心在于以下五个问题：

1. 谁要看？
2. 为什么看？
3. 想看什么？
4. 看到什么程度？
5. 看了又做什么？

这五个关键问题，我们一窍不通。而这五个问题，恰恰决定了数据分析成果是否被认可。所以只听一句：“你来分析分析”就埋头干活，基本等于自掘坟墓哈。干得越起劲，坟挖得越深，把自己坑得越惨。

数据分析输出的产品，不像大米白面能直接填饱人的肚子。数据分析的价值是相对的。如果提供的是对方知道的东西，即使给得再多，也不会被认可，甚至会被吐槽：“你太啰嗦了，说重点”。

所以标准的梳理数据分析的路子，就是整明白对方做了什么，想要什么？（如下图）

但注意，上边的做法是乙方服务甲方/求职者去面试的做法。真要是在企业里边用，大家相互知根知底，是不需要前期铺垫这么多的。这时候，可以通过层层递进的五个问题，搞清楚：到底对方知道多少。（如下图）

有了这个五个问题的答案，就能根据对方对业务现状的把握情况，确认分析重点了（如下图）。

BUT！这是对一般人说的。如果面对领导，很多同学不敢直接问。冷冰冰地问来问去，搞得跟审犯人一样，不但自己张不开嘴，还可能引起领导吐槽：“我都想清楚了，要你干啥！”所以，得有些更灵活，简便的办法。

二、快速上手的五个要点

回到原点，想要做出让人认可的分析，本质上要解决这五个问题：

1. 谁要看？
2. 为什么看？
3. 想看什么？
4. 看到什么程度？
5. 看了又做什么？

所以，可以从这五个问题入手，用更轻松随意的对话，找到突破口

突破口一：谁要看？  

比如领导要求：“分析下近期的活动”，那么可以问：

1、是给您本人看？

2、还是给负责活动的本门看？

3、还是给活动相关的财务、营运、供应看？

如果提问的人，刚好有明确的意图，他就会告诉你：

1、我本人想了解情况，我不太信运营自己说的

2、我觉得运营的人做的不客观，你给他们个参考

3、我想让各个部门都了解下当前的情况，科普科普

有了这个信息，后边做啥事就非常清晰了！

突破口二：为什么看？  

我们很想知道看数据的原因，但是又怕直接问“为什么”太生硬了。这时候可以用钓鱼执法的方式，直接甩一些业务上的话题出来，试探对方的真实意图。比如面对“分析下近期的活动……”可以说：

1、我看活动组的人加班加了好多天，是不是过程中很多问题？

2、我看活动上线后又发了2次补充说明，是不是出了啥事情？

3、我看活动的商品销量并没有大幅度增加，是不是有什么情况？

如果提问的人，刚好有心烦的事，他就会非常详细地和你吐槽：

1、活动策划太纠结

2、活动宣传不给力

3、活动效果不太好

知道了这些信息，后边的分析就有了基本定调，并且能够直插核心问题。

突破口三：看什么东西？    

我们很想知道输出的内容，但是又怕直接问“你想看哪些指标”太生硬了。这时候可以主动提示：可以看XXX东西，现场确认一下是否是对方需求。比如面对“分析下近期的活动……”可以说：

1、活动本身参与情况

2、活动投入产出情况

3、活动前中后大盘整体指标变动

4、近半年来同类活动对比

然后直接问：这样是否足够？

如果提问的人，刚好有想看的内容，他就会非常详细的和你说：

1、指标太多了/太少了，你得关注XX

2、时间维度太长/太短了，你得注意XX

3、分析角度太多/太少了，你得考虑XX

这样虽然结论不清楚有没有用，但至少内容上是对方要的。到时候数据出来，如果结论不满意，再一起看数据，看看下什么结论好，也容易交差。

突破口四：看到什么程度？    

我们很想知道输出内容的深浅，但是直接问“你想分析成啥样？”太过莫名其妙。这时候可以换个问法：直接告诉他，数据现状是啥！然后再问：还有啥是他不知道 or 特别想弄清楚的。

比如面对“分析下近期的活动……”可以说：

1、活动目标人数40万，实际参与30万

2、参与活动的人消费力比较高，活动消费1个亿，已经达标了

3、活动ROI比同类活动高，但是近期来活动参与率持续走低

然后直接问：这些情况是否足够回答您的问题？您还有啥想了解的？如果提问的人，刚好有纠结的难题，他就会非常详细的和你说：

1、客单价为啥高，要深入分析

2、参与率持续降低，也要深入分析

3、不要光看ROI，要看重复参与率

这样收集来的信息就太硬货了！能直接指向最终结论

当然，搞到硬货的基础是自己也得够硬！常规的指标监控，数据结果自己心里得一清二楚。这样才能问出硬核问题。或者掌握了做数据MVP的技巧，有本事现场做MVP测试。不然是无法拿到这种硬核信息的。

突破口五：看了做什么？    

我们很想知道输出内容最后被用到哪里去了，但是直接问“你想做什么？”显得太过傲慢——领导做什么，什么时候轮到一个小兵来管！这时候可以换个问法，直接抛出一个可能的行动方向，然后问：“我这么理解对不对呀？！”从而钓出对方的真实意图。比如面对“分析下近期的活动……”可以说：

1、是不是要马上上一个新活动，补这个活动的缺？

2、是不是要总结下本次的教训，下次不再犯？如果提问的人，刚好有想办的事，他就会非常详细地和你说：

1、我在考虑要不要改活动形式

2、我在考虑选一种更好的形式以后用

这样就清晰了，提问人对本次活动的心理估价，也能知道哪些输出有用。后续也清晰。 

三、灵活运用五要点

注意：五个要点的问法，可以一次性问完，也能分开问，不需要很死板。有趣的是，领导们也是有个人风格的。

• 一般甩手掌柜型领导，问题1能回答清楚。这种人喜欢指定好谁干啥事，剩下的自己就不管了，因此对于“给谁看，看了起啥用”会比较清楚。
• 一般技术出身的领导，问题3、4能回答清楚。这种人会关注细节，可会用数据思维思考问题，因此能聊得很细致。
• 一般业务导向的领导，问题2、5能回答清楚。这种人虽然不关注技术细节，但是要办啥事，遇到啥问题是能讲出清楚的。

所以，同学们可以看菜下饭，根据领导风格选择合适的问题。这样既不显得唐突，又能体现自己的专业素质，还能为后边的工作扫清障碍。

有同学会问：那遇到稀里糊涂型领导咋办？！

答：得看对方是真糊涂还是假糊涂。所谓假糊涂，就是对方仅仅是不清楚现状，所以无法下判断，这时候可以先呈现数据现状（而且要尽可能全面）帮对方建立起来判断。

如果对方是真糊涂，比如靠前大厂头衔，靠吹嘘拍马，靠吃喝嫖赌，靠资历老而混上来的老糊涂蛋——那真的没啥办法了。这时候只能自求多福。